Pandas DataFrame 在一个起始词和多个停止词之间提取

【问题标题】：Pandas DataFrame extract between one START word and multiple STOP wordsPandas DataFrame 在一个起始词和多个停止词之间提取
【发布时间】：2021-07-17 06:07:02
【问题描述】：

我想编写一个正则表达式以使用 str.extract 从 Pandas DataFrame 中提取模式，该模式提取在 START 词和两个可能的 STOP 词之一之间找到的模式的第一个匹配项。

示例#1：开始你好，停止词

示例# 2：START 早上好另一个分隔符

在第一种情况下，我想返回 'hello there' ，在第二种情况下，我想返回 'Good morning'

如果末尾只有一个停用词，如示例 1，则 str.extract 中的以下正则表达式有效。但是如何组合两个停止词呢？

r'(?s)START(.*?)STOP\s+WORD'

【问题讨论】：

你试过什么？将其包含在问题中

标签： python pandas python-re

【解决方案1】：

使用以下正则表达式替换：

\bSTART\s+(.*?)\s+(?:STOP WORD|ANOTHER DELIMITER)\b

熊猫代码：

df["match"] = df["col"].str.extract(r'\bSTART\s+(.*?)\s+(?:STOP WORD|ANOTHER DELIMITER)\b')

【讨论】：

谢谢。这就说得通了。如果停止词之一是三个换行符'\n\n\n'怎么办？所以我试图提取的文本可以有换行符。所以我在一开始就强制执行 dotall (?s) 。但停用词之一是三个换行符 df["match"] = df["col"].str.extract(r'(?s)\bSTART\s+(.*?)\s+(?:STOP WORD |\n\n\n)\b')
在这种情况下，使用：(?s)\bSTART\s+(.*?)\s+(?:STOP WORD\b|\n\n\n)
有没有办法在多个开始词和结束词之间进行提取？
@asd 你的评论让我觉得太长/太不同了，无法在这里跟进。也许在一个新问题中提出这个问题。
当然：stackoverflow.com/questions/68541558/…